江西師范大學計算機信息工程學院“AI安全與治理”科研團隊在人工智能與消費電子交叉領域取得重要進展。團隊題為《面向邊緣計算環(huán)境的高效可信AI模型安全部署與系統(tǒng)服務優(yōu)化研究》的學術論文，被國際權威學術期刊《IEEE Transactions on Consumer Electronics》正式接收并在線發(fā)表。該期刊是消費電子與計算機工程領域的頂級期刊之一，具有廣泛的國際影響力，此次發(fā)表標志著我校在人工智能安全應用基礎研究方面邁上了新的臺階。

論文聚焦于人工智能技術在消費電子與邊緣計算場景下面臨的核心安全挑戰(zhàn)與系統(tǒng)服務效能問題。隨著智能家居、物聯(lián)網設備、自動駕駛等消費級電子產品的普及，AI模型越來越多地被部署在資源受限的邊緣設備上。邊緣環(huán)境固有的計算能力、存儲空間和能源限制，以及面臨的數據隱私泄露、模型對抗攻擊等安全威脅，嚴重制約了AI服務的可靠性與用戶體驗。

本研究創(chuàng)新性地提出了一套針對邊緣計算環(huán)境的高效可信AI模型部署與系統(tǒng)服務框架。該框架的核心在于：設計了一種輕量級的模型動態(tài)完整性驗證機制，能夠在資源開銷極低的前提下，實時檢測運行在邊緣設備上的AI模型是否遭到篡改或注入后門；結合聯(lián)邦學習與安全多方計算技術，提出了一種隱私保護的協(xié)同模型更新方案，使得多個邊緣設備能夠在無需上傳原始數據的情況下共同優(yōu)化模型性能，有效保護了用戶數據隱私；團隊構建了一個自適應的系統(tǒng)資源調度與服務質量管理器，能夠根據設備實時負載、網絡狀況和任務優(yōu)先級，動態(tài)調配計算資源，確保AI服務的響應速度與穩(wěn)定性，優(yōu)化整體系統(tǒng)服務效能。

通過大量仿真實驗與原型系統(tǒng)測試，該研究成果在多個標準數據集和真實邊緣計算場景下得到了驗證。與傳統(tǒng)方法相比，新框架在保證模型預測準確率的將模型驗證開銷降低了約35%，系統(tǒng)服務延遲平均減少了28%，并顯著提升了在面對多種已知對抗攻擊時的模型魯棒性。這項研究為在資源受限的消費電子設備上安全、高效地部署和運行人工智能服務提供了切實可行的理論依據與技術方案。

本論文的發(fā)表，是江西師范大學計算機學院“AI安全與治理”科研團隊長期深耕人工智能安全、隱私計算和邊緣智能等前沿方向的又一重要成果。團隊負責人表示，未來將繼續(xù)圍繞國家在人工智能治理與安全方面的戰(zhàn)略需求，深化基礎理論研究，推進產學研合作，致力于構建更安全、更可靠、更高效的智能計算系統(tǒng)服務體系，為賦能數字經濟健康發(fā)展貢獻學術力量。